Il Modello di Leontief: Un’Analisi Approfondita delle Interdipendenze Economiche

Introduzione

Il modello di Leontief rappresenta uno strumento fondamentale per comprendere come i diversi settori di un’economia sono interconnessi tra loro. Sviluppato dal premio Nobel Wassily Leontief, questo modello ci permette di analizzare come la produzione di ogni settore influenza ed è influenzata dagli altri settori, creando una rete complessa di relazioni economiche. In questo articolo, esploreremo il modello partendo dalle sue basi matematiche fino ad arrivare alle applicazioni pratiche, con esempi concreti e implementazioni in Python.

Le Basi del Modello

Immaginiamo un’economia come una rete dove ogni settore produce beni o servizi che vengono utilizzati sia da altri settori (come input per la loro produzione) sia dai consumatori finali. Per esempio, il settore agricolo fornisce materie prime all’industria alimentare, che a sua volta produce prodotti per i consumatori. Questa interconnessione è il cuore del modello di Leontief.

Formalizzazione Matematica: 

Consideriamo un’economia composta da n settori. La produzione totale del settore i (Xᵢ) viene utilizzata sia come input per altri settori (Xᵢⱼ) sia per soddisfare la domanda finale (Yᵢ). Questa relazione è espressa dall’equazione:

Xᵢ = Σⱼ Xᵢⱼ + Yᵢ 

dove:

• Xᵢ: produzione totale del settore i
• Xᵢⱼ: quantità di output del settore i usata come input dal settore j
• Yᵢ: domanda finale per il prodotto del settore i

Questa equazione ci dice che la produzione totale di un settore viene utilizzata sia come input intermedio da altri settori sia per soddisfare la domanda finale.

La Matrice dei Coefficienti Tecnici: Un Ponte tra Settori

Per semplificare il modello, introduciamo la matrice dei coefficienti tecnici A, dove ogni elemento aᵢⱼ rappresenta la quantità di input del settore i necessaria per produrre un’unità di output del settore j:

aᵢⱼ = Xᵢⱼ / Xⱼ

La matrice A è una matrice n x n che descrive le relazioni tecnologiche tra i settori.

Per esempio, se a_₁₂ = 0.3, significa che per produrre un’unità nel settore 2 servono 0.3 unità di input dal settore 1.

Il Sistema di Equazioni Input-Output: Una Visione d’Insieme

Utilizzando la matrice A, il sistema di equazioni può essere riscritto in forma matriciale:

X = AX + Y

dove:

• X: vettore colonna delle produzioni totali
• Y: vettore colonna della domanda finale

La Soluzione del Sistema: Svelare le Interdipendenze

Per determinare la produzione totale X necessaria a soddisfare una data domanda finale Y, riarrangiamo l’equazione:

X = (I - A)⁻¹Y

dove I è la matrice identità n x n. La matrice (I – A)⁻¹ è nota come matrice inversa di Leontief o matrice dei moltiplicatori.

Prima di procedere con l’applicazione del modello, è importante capire cosa sia una matrice inversa.

Cos’è la Matrice Inversa?

Data una matrice quadrata A di dimensioni n x n, la sua inversa, indicata come A⁻¹, è una matrice tale che, se moltiplicata per A, produce la matrice identità Iₙ. In altre parole:

A * A⁻¹ = A⁻¹ * A = Iₙ

Non tutte le matrici hanno un’inversa. Una matrice quadrata ha un’inversa (è invertibile o non singolare) se e solo se il suo determinante è diverso da zero.

Metodi per Calcolare la Matrice Inversa

Esistono diversi metodi per calcolare la matrice inversa. Ne descriverò due dei più comuni:

1. Metodo della Matrice Aggiunta

   • Calcolare la matrice dei cofattori: Per ogni elemento aᵢⱼ di A, calcola il suo cofattore Cᵢⱼ, che è il determinante della sottomatrice ottenuta eliminando la riga i e la colonna j, moltiplicato per (-1)ⁱ⁺ʲ.

   • Costruire la matrice aggiunta: La matrice aggiunta di A, indicata come adj(A), è la trasposta della matrice dei cofattori.

   • Calcolare l’inversa: Se il determinante di A è diverso da zero, l’inversa di A è data da:

     A⁻¹ = (1/det(A)) * adj(A)
     

2. Metodo di Eliminazione di Gauss-Jordan

   • Creare una matrice aumentata: Affianca la matrice A alla matrice identità Iₙ, creando una matrice aumentata [A | Iₙ].
   • Applicare l’eliminazione di Gauss-Jordan: Esegui operazioni di riga sulla matrice aumentata fino a quando la parte sinistra diventa la matrice identità. La parte destra della matrice aumentata risultante sarà l’inversa di A.

Cos’è una Matrice Aumentata?

Immagina di avere un sistema di equazioni lineari. Per esempio:

2x + y = 5
x - 3y = -1

Puoi rappresentare questo sistema in forma matriciale, separando i coefficienti delle variabili (x e y) dai termini noti (i numeri a destra del segno di uguale):

A = | 2  1 |    b = | 5 |
    | 1 -3 |        | -1 |

dove A è la matrice dei coefficienti e b è il vettore dei termini noti.

La matrice aumentata si ottiene “affiancando” la matrice dei coefficienti A e il vettore dei termini noti b, creando una nuova matrice [A | b]:

[A | b] = | 2  1 | 5 |
          | 1 -3 | -1 |

La linea verticale tratteggiata serve solo per visualizzare le due parti della matrice, ma non ha un significato matematico particolare.

A cosa serve la Matrice Aumentata?

La matrice aumentata è uno strumento molto utile perché permette di manipolare contemporaneamente sia i coefficienti delle variabili che i termini noti, semplificando la risoluzione del sistema di equazioni.

In particolare, si utilizzano le “operazioni di riga” sulla matrice aumentata per trasformarla in una forma più semplice (ad esempio, una matrice a gradoni o una matrice identità). Queste operazioni corrispondono a manipolazioni algebriche sul sistema di equazioni originale, ma sono più facili da gestire in forma matriciale.

Esempio: Risoluzione di un Sistema di Equazioni

Prendiamo l’esempio di prima e risolviamolo usando la matrice aumentata:

1. Matrice aumentata iniziale:

   [A | b] = | 2  1 | 5 |
             | 1 -3 | -1 |
   

2. Operazioni di riga:

   • Scambiamo la riga 1 e la riga 2:

     | 1 -3 | -1 |
     | 2  1 | 5 |
     

   • Moltiplichiamo la riga 1 per -2 e la sommiamo alla riga 2:

     | 1 -3 | -1 |
     | 0  7 | 7 |
     

   • Dividiamo la riga 2 per 7:

     | 1 -3 | -1 |
     | 0  1 | 1 |
     

   • Moltiplichiamo la riga 2 per 3 e la sommiamo alla riga 1:

     | 1  0 | 2 |
     | 0  1 | 1 |
     

3. Soluzione:

   La matrice aumentata finale corrisponde al sistema di equazioni:

   x = 2
   y = 1
   

che è la soluzione del nostro sistema originale.

Matrice Aumentata e Matrice Inversa

Come abbiamo visto , la matrice aumentata è utile anche per calcolare l’inversa di una matrice. In questo caso, si affianca la matrice A alla matrice identità:

[A | I]

e si eseguono operazioni di riga fino a quando la parte sinistra diventa la matrice identità. La parte destra sarà l’inversa di A.

Esempio Numerico: Un’Analisi Concreta

Consideriamo un’economia con tre settori: agricoltura (A), industria manifatturiera (I) e servizi (S). La matrice dei coefficienti tecnici A e la domanda finale Y sono:

A = | 0.2  0.3  0.1 |    Y = | 100 |
    | 0.4  0.1  0.2 |        | 200 |
    | 0.1  0.2  0.3 |        | 150 |

Calcolare la matrice inversa con Python

Per trovare la matrice inversa di Leontief, dobbiamo calcolare (I – A)⁻¹. Possiamo farlo a mano con i metodi descritti sopra, ma è molto più efficiente usare un software matematico.

Usando Python con NumPy, ad esempio, il codice sarebbe:

import numpy as np

A = np.array([[0.2, 0.3, 0.1],
              [0.4, 0.1, 0.2],
              [0.1, 0.2, 0.3]])

I = np.identity(3)
B = I - A
inv_B = np.linalg.inv(B)

print(inv_B)

Questo codice  ci darà la matrice inversa di Leontief, che poi potremo usare per calcolare la produzione totale X data la domanda finale Y:

Vediamo come implementare questa analisi usando Python:

import numpy as np

# Definiamo la matrice dei coefficienti tecnici
A = np.array([[0.2, 0.3, 0.1],
              [0.4, 0.1, 0.2],
              [0.1, 0.2, 0.3]])

# Definiamo il vettore della domanda finale
Y = np.array([100, 200, 150])

# Calcoliamo la matrice inversa di Leontief
I = np.identity(3)  # Matrice identità 3x3
leontief_inv = np.linalg.inv(I - A)

# Calcoliamo la produzione totale necessaria
X = leontief_inv.dot(Y)

print("Produzione totale necessaria:")
print(f"Agricoltura: {X[0]:.1f}")
print(f"Manifattura: {X[1]:.1f}")
print(f"Servizi: {X[2]:.1f}")

Otteniamo :

• Agricoltura: 349.3 unità (non 360)
• Manifattura: 465.8 unità (non 520)
• Servizi: 397.3 unità (non 330)

Questi risultati e ci permettono di fare un’interpretazione economicaprecisa. Per esempio, nel settore agricolo, la differenza tra la domanda finale (100) e la produzione totale necessaria (349.3) ci mostra che ben 249.3 unità sono necessarie come input intermedi per gli altri settori. Questo evidenzia il ruolo fondamentale dell’agricoltura come fornitore di input per gli altri settori dell’economia.

Interpretazione dei Risultati:

I risultati ci mostrano che per soddisfare la domanda finale specificata, serviranno:

• 349.3 unità di produzione agricola
• 465.8 unità di produzione manifatturiera
• 397.3 unità di produzione di servizi

Questi valori sono significativamente maggiori della domanda finale (che era rispettivamente di 100, 200 e 150 unità) perché includono sia la produzione necessaria per il consumo finale sia quella necessaria come input intermedi per gli altri settori. Per esempio:

• Nel settore agricolo, delle 349.3 unità totali, solo 100 vanno alla domanda finale, mentre 249.3 servono come input per gli altri settori
• Nel settore manifatturiero, delle 465.8 unità totali, 200 soddisfano la domanda finale e 265.8 sono utilizzate come input intermedi
• Nel settore dei servizi, delle 397.3 unità totali, 150 vanno alla domanda finale e 247.3 sono utilizzate negli altri settori

Questa analisi evidenzia la forte interconnessione tra i settori: più del 70% della produzione agricola, circa il 57% della produzione manifatturiera e circa il 62% della produzione di servizi viene utilizzata come input intermedio da altri settori.

L’Effetto di un Aumento della Domanda

Immaginiamo che la domanda finale del settore manifatturiero aumenti di 50 unità. Usando la matrice inversa di Leontief, possiamo calcolare che questo porterà a:

• Un aumento di 40.2 unità nella produzione agricola
• Un aumento di 82.9 unità nella produzione manifatturiera
• Un aumento di 31.7 unità nella produzione di servizi

Questi risultati mostrano chiaramente come un cambiamento in un settore si propaghi attraverso l’intera economia.

Esempio Realistico: L’Impatto di un Investimento Governativo

Immaginiamo che il governo decida di implementare un piano di sviluppo industriale, investendo 100 unità aggiuntive nel settore manifatturiero. Utilizzando il nostro modello a tre settori, possiamo vedere come questo investimento si propaghi attraverso l’economia, creando quello che gli economisti chiamano “effetto moltiplicatore”.

Riprendendo la nostra matrice dei coefficienti tecnici:

A = | 0.2 0.3 0.1 |
    | 0.4 0.1 0.2 |
    | 0.1 0.2 0.3 |

Quando il governo investe 100 unità nel settore manifatturiero, il vettore della domanda finale diventa:

Y_nuovo = | 100 | invece di | 100 |
          | 300 |           | 200 |
          | 150 |           | 150 |

È fondamentale riconoscere che il modello di Leontief, pur essendo uno strumento prezioso, presenta delle limitazioni:

• Ipotesi di linearità: il modello assume che le relazioni tra input e output siano lineari, il che potrebbe non riflettere la complessità delle economie reali.
• Aggregazione dei settori: il modello aggrega i settori economici, il che potrebbe nascondere dinamiche più specifiche.
• Staticità: il modello è statico e non considera l’evoluzione nel tempo delle relazioni intersettoriali.

Matrice di Leontief (I – A)⁻¹: decifrare le interdipendenze economiche

La matrice inversa di Leontief, (I – A)⁻¹, è il cuore pulsante del modello. Ogni suo elemento rivela quanto output di un settore i è necessario, direttamente e indirettamente, per soddisfare una unità di domanda finale del settore j.

Cosa significano i singoli elementi?

Prendiamo un elemento generico (I – A)⁻¹_ij della matrice inversa:

• Effetto diretto: rappresenta la quantità di input del settore i necessaria direttamente per produrre un’unità di output del settore j.
• Effetto indiretto: include la quantità di input del settore i necessaria per produrre gli input che, a loro volta, sono necessari per produrre l’output del settore j. In altre parole, considera tutti i passaggi intermedi della catena produttiva.

Quali settori sono più importanti?

Analizzando la matrice inversa, possiamo individuare i settori chiave per l’economia:

• Settori con valori elevati sulla diagonale: un valore elevato di (I – A)⁻¹_ij  indica che il settore i è altamente dipendente dai propri input per sostenere la sua produzione.
• Settori con valori elevati fuori dalla diagonale: un valore elevato di (I – A)⁻¹_ij suggerisce che il settore i è cruciale per la produzione del settore j.
• Settori “a monte”: i settori che compaiono con valori elevati in molte colonne della matrice inversa sono quelli che forniscono input a molti altri settori, e quindi sono fondamentali per l’intera economia.

Esempi concreti di analisi

1. Impatto di una crisi economica: supponiamo che una crisi economica riduca la domanda finale del settore automobilistico. La matrice di Leontief ci permette di quantificare la contrazione della produzione non solo nel settore automobilistico, ma anche in tutti i settori che forniscono input a tale settore (ad esempio, l’industria siderurgica, la plastica, ecc.).

2. Cambiamento nella domanda dei consumatori: se i consumatori aumentano la domanda di prodotti biologici, la matrice di Leontief può stimare come questa variazione si ripercuota sulla produzione del settore agricolo biologico, ma anche sui settori a monte (ad esempio, i produttori di sementi biologiche, i fornitori di fertilizzanti naturali, ecc.).

Conclusioni: Un Modello Dinamico per l’Analisi Economica

Nonostante queste limitazioni, il modello di Leontief rimane uno strumento fondamentale per l’analisi economica e la pianificazione delle politiche economiche. La sua capacità di svelare le interdipendenze settoriali e di quantificare l’impatto di cambiamenti nella domanda finale lo rende uno strumento prezioso per economisti e policymakers.

(662)